Implementing Boolean Matrix Factorization
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00311334" target="_blank" >RIV/67985807:_____/08:00311334 - isvavai.cz</a>
Alternative codes found
RIV/61989100:27240/08:00021062
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Implementing Boolean Matrix Factorization
Original language description
Matrix factorization or factor analysis is an important task helpful in the analysis of high dimensional real world data. There are several well known methods and algorithms for factorization of real data but many application areas including informationretrieval, pattern recognition and data mining require processing of binary rather than real data. Unfortunately, the methods used for real matrix factorization fail in the latter case. In this paper we introduce the background of the task, neural network, genetic algorithm and non-negative matrix factorization based solvers and compare the results obtained from computer experiments.
Czech name
Implementace booleovské maticové faktorizace
Czech description
Maticová faktorizace, neboli faktorová analýza, je důležitým krokem při analýze vysocedimenzionálních reálných dat. Existuje několik známých metod a algoritmů pro faktorizaci reálných dat, ale mnohé aplikační oblasti, jako je získávání informací, rozpoznávání obrazu, data mining, pracuje s binárními daty namísto reálných. V těchto případech nelze použít klasické metody. V tomto článku zavádíme metodu založenou na neuronových sítích, genetických algoritmech, faktorizaci nezáporných matic, a porovnáváme výsledky počítačových experimentů.
Classification
Type
D - Article in proceedings
CEP classification
IN - Informatics
OECD FORD branch
—
Result continuities
Project
<a href="/en/project/GA201%2F06%2F0756" target="_blank" >GA201/06/0756: Development of a native storage for XML data</a><br>
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2008
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Article name in the collection
Artificial Neural Networks - ICANN 2008
ISBN
978-3-540-87535-2
ISSN
—
e-ISSN
—
Number of pages
10
Pages from-to
—
Publisher name
Springer
Place of publication
Berlin
Event location
Prague
Event date
Sep 3, 2008
Type of event by nationality
WRD - Celosvětová akce
UT code for WoS article
000259566200056